- 参考paddlepaddle官网
- 环境的准备
- 下载 PaddlePaddle C++ 预测库和 Opencv
- 下载 PaddlePaddle C++ 预测库
- 安装配置OpenCV
- 下载PaddleOCR代码
- 下载TensorRT
- 开始运行
- 构建Visual Studio项目
- 下载超轻量中文检测模型：
链接: https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.5/deploy/cpp_infer/docs/windows_vs2019_build.md
环境的准备版本一定要对不然很麻烦。
1.Visual Studio 2019
2.CUDA 10.2 , CUDNN 7+ （仅在使用GPU版本的预测库时需要）
3.CMake 3.22+
请确保系统已经安装好上述基本软件，我们使用的是VS2019的社区版。
PaddlePaddle C++ 预测库针对不同的CPU和CUDA版本提供了不同的预编译版本，请根据实际情况下载: C++预测库下载列表
解压后D:projectspaddle_inference目录包含内容为：
paddle_inference
├── paddle # paddle核心库和头文件
|
├── third_party # 第三方依赖库和头文件
|
└── version.txt # 版本和编译信息
1.在OpenCV官网下载适用于Windows平台的Opencv，下载地址。
因为后面会用到编译好的opencv，这里建议下载对应版本的.exe安装包，安装包安装好以后就会有后面要用的东西，可以省去CMake编译的过程，因为编译的过程非常的漫长。
2.运行下载的可执行文件，将OpenCV解压至指定目录，如D:projectscppopencv
下载PaddleOCR代码链接: https://github.com/PaddlePaddle/PaddleOCR
下载TensorRT后面会用到TensorRT的库所以现在先准备好，在下载C++预测库的时候就会有提示需要下载哪个版本的TensoRT，按照对应的版本。TensorRT 官方下载： [https://developer.nvidia.com/zh-cn/tensorrt],(https://developer.nvidia.com/zh-cn/tensorrt)
根据网上的配置环境教程配置好就欧克。
1.打开cmake-gui，在第一个输入框处填写源代码路径，第二个输入框处填写编译输出路径
2.执行cmake配置
点击界面下方的Configure按钮，第一次点击会弹出提示框进行Visual Studio配置，如下图，选择你的Visual Studio版本即可，目标平台选择x64。然后点击finish按钮即开始自动执行配置。
第一次执行会报错，这是正常现象，接下来进行Opencv和预测库的配置。
cpu版本，仅需考虑OPENCV_DIR、OpenCV_DIR、PADDLE_LIB三个参数
-OPENCV_DIR：填写opencv lib文件夹所在位置
-OpenCV_DIR：同填写opencv lib文件夹所在位置
-PADDLE_LIB：paddle_inference文件夹所在位置，就是上面的预测库文件所在位置
GPU版本，在cpu版本的基础上，还需填写以下变量
CUDA_LIB、CUDNN_LIB、TENSORRT_DIR、WITH_GPU、WITH_TENSORRT
-CUDA_LIB: CUDA地址，如 C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.2libx64
-CUDNN_LIB: 和CUDA_LIB一致
-TENSORRT_DIR：TRT下载后解压缩的位置，如 D:TensorRT-8.0.1.6，这个就是上面下载TensoRT的目录位置
-WITH_GPU: 打钩
-WITH_TENSORRT：打勾
配置好的截图如下：
如果显示有CMake的错误可以忽略掉，如果过程中出现如图错误，则说明有配置选项没有找到。
配置完成后，再次点击Configure按钮。
3.生成Visual Studio 项目
点击Generate按钮即可生成Visual Studio 项目的sln文件。
点击Open Project按钮即可在Visual Studio 中打开项目。打开后截图如下
官网中给出在生成解决方案之前要执行下面的步骤
1.将Debug改为Release
2…下载dirent.h，并拷贝到 Visual Studio 的 include 文件夹下，如C:Program Files (x86)Microsoft Visual Studio2019CommunityVCAuxiliaryVSinclude。
点击生成->生成解决方案，即可在build/Release/文件夹下看见ppocr.exe文件，就是在你编译输出的路径里的Release/文件夹下看见ppocr.exe文件。
运行之前，将下面文件拷贝到build/Release/文件夹下
1.paddle_inference/paddle/lib/paddle_inference.dll
2.paddle_inference/third_party/install/onnxruntime/lib/onnxruntime.dll
3.paddle_inference/third_party/install/paddle2onnx/lib/paddle2onnx.dll
4.opencv/build/x64/vc15/bin/opencv_world455.dll
5.如果使用openblas版本的预测库还需要拷贝 paddle_inference/third_party/install/openblas/lib/openblas.dll
上面的步骤完成就可以进行最后一步进行验证是否可以正常运行。
4.预测
进入到生成ppocr.exe文件目录下，在文件栏里输入cmd回车键就进入到了此目录下
可执行文件ppocr.exe即为样例的预测程序。在预测之前需要下载官方给出的模型。
#下载超轻量中文检测模型：
wget https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_det_infer.tar
#下载超轻量中文识别模型：
wget https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_rec_infer.tar
上面两个文件一个文件是det文件，一个是rec文件，两个都需要下载。
具体看官网: https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.5/doc/doc_ch/inference_ppocr.md
上面模型准备好以后就可以进行预测了，在上面打开的终端里输入
//切换终端编码为utf8 CHCP 65001 //执行预测 ppocr.exe system --det_model_dir=D:projectscppch_PP-OCRv2_det_slim_quant_infer --rec_model_dir=D:projectscppch_PP-OCRv2_rec_slim_quant_infer --image_dir=D:projectscppPaddleOCRdocimgs11.jpg
–det_model_dir：就是上面下载好的dst解压文件的目录位置。
–rec_model_dir：下载好的rec解压文件的目录位置
image_dir：图片的位置
如果报错如图，就在PaddleOCR-release-2.5中找到ppocr文件夹复制一份，粘贴到与PaddleOCR-release-2.5同级的目录下，然后运行即可。
运行时，弹窗报错提示应用程序无法正常启动(0xc0000142)，并且cmd窗口内提示You are using Paddle compiled with TensorRT, but TensorRT dynamic library is not found.，把tensort目录下的lib里面的所有dll文件复制到release目录下，再次运行即可。
